基于電流特征信號的感應(yīng)電動機(jī)故障診斷方法概述

李海 魏昶宇 楊愛璜

摘要：本文對感應(yīng)電動機(jī)的故障類型和常用故障診斷方法進(jìn)行了綜述，基于電流特征分析對感應(yīng)電動機(jī)三種主要故障的診斷方法進(jìn)行分析，得到了以下結(jié)論：結(jié)合槽諧波轉(zhuǎn)差率計算，Nuttall窗三譜線插值修正算法，CZT頻譜細(xì)化技術(shù)，分析選取Rat作為轉(zhuǎn)子斷條故障特征量。但當(dāng)負(fù)載波動量超閾值時會造成誤判，此時宜采用Hilbert模量頻譜分析法。分析采集不同工況下定子穩(wěn)態(tài)電流，剔除由供電電壓不平衡和感應(yīng)電動機(jī)本身固有不平衡引起的負(fù)序電流分量，提取殘差負(fù)序電流分量作為匝間短路故障的診斷判據(jù)。本文依據(jù)自相關(guān)函數(shù)的統(tǒng)計特性，確定噪聲、信號主導(dǎo)的IMF分量節(jié)點，結(jié)合軟閾值降噪，對軸承故障時的重構(gòu)定子電流進(jìn)行多窗口譜分析，能夠突出軸承故障特征頻率。

Abstract： In this paper， the fault types and common fault diagnosis methods of induction motors are reviewed. Based on the analysis of current characteristics， the diagnosis methods of the three main faults of induction motors are analyzed. The following conclusions are obtained： With the calculation of slot harmonic slip， Nuttall Window three-line interpolation correction algorithm， CZT spectral refinement technology， Rat is selected as the fault feature of the rotor broken bar. However， when the load fluctuation exceeds the threshold， it will cause misjudgment. In this case， Hilbert modulus spectrum analysis method should be adopted. The steady-state current of the stator under different working conditions is analyzed and the negative sequence current components caused by the unbalanced supply voltage and the inherent unbalance of the induction motor itself are removed. The residual negative sequence current component is extracted as the diagnosis criterion for interturn short circuit faults. Based on the statistical characteristics of the autocorrelation function， this paper determines the noise and signal-dominated IMF component nodes. Combined with the soft threshold noise reduction， the multi-window spectrum analysis of the reconstructed stator current in bearing failure can highlight the bearing fault feature frequency.

關(guān)鍵詞： 故障診斷；電流特征；電機(jī)能效；氣隙轉(zhuǎn)矩；在線估計

Key words： fault diagnosis；current characteristics；motor energy efficiency；air gap torque；online estimation

中圖分類號：TM452 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2018）26-0159-03

0 引言

感應(yīng)電動機(jī)是占比最大的電力負(fù)荷。感應(yīng)電動機(jī)在長期運行過程中，負(fù)載變動、工作環(huán)境惡劣及自身部件老化等影響，導(dǎo)致其在運行中會發(fā)生故障，造成電動機(jī)本體不可逆的損壞，甚至影響整個系統(tǒng)的運行和發(fā)生安全事故。

而感應(yīng)電動機(jī)的故障并不是立即發(fā)生的，如果在電機(jī)故障早期就能捕捉到故障征兆，就能避免因電機(jī)故障導(dǎo)致意外安全事故。因此，電機(jī)的狀態(tài)監(jiān)測為生產(chǎn)安全、可靠運行提供了強(qiáng)有力的技術(shù)支撐。

1 故障類型及診斷方法

1.1 故障類型對比 感應(yīng)電動機(jī)具有復(fù)雜的機(jī)、電、磁耦合，由于電機(jī)常需長時間運行且易受眾多因素的影響使其引起各類故障。本節(jié)對某工業(yè)行業(yè)2596臺10kW以上的籠型感應(yīng)電動機(jī)的故障類型數(shù)量及其所占比例進(jìn)行統(tǒng)計分析，如表1所示[3]。電動機(jī)本體主要故障類型為軸承故障、定子繞組故障、轉(zhuǎn)子斷條故障。

1.2故障診斷方法 針對不同故障反映出來的不同征兆，感應(yīng)電動機(jī)故障診斷方法選取的檢測量不同，常用的診斷方法有：振動診斷法（Vibration Diagnosis）；電流特征分析（Motor current signature analysis）；溫度診斷法（Temperature Diagnosis）；絕緣診斷法（Insulation Diagnosis）與振聲診斷法（Vibrational Diagnosis）。

2 故障診斷系統(tǒng)的框架與安裝

2.1系統(tǒng)基本框架 感應(yīng)電機(jī)故障診斷技術(shù)主要包括信號檢測、特征提取、狀態(tài)識別、診斷決策等步驟如圖1所示。

2.2系統(tǒng)的安裝方式 實際應(yīng)用中，感應(yīng)電動機(jī)故障診斷系統(tǒng)接線如圖2所示。

3 故障診斷技術(shù)和方法的對比分析

3.1 感應(yīng)電動機(jī)轉(zhuǎn)子斷條故障診斷實現(xiàn)

為避免基波分量對轉(zhuǎn)子斷條故障特征頻率分量的泄露影響，結(jié)合槽諧波轉(zhuǎn)差率計算、Nuttall窗三譜線插值修正算法、CZT頻譜細(xì)化技術(shù)對轉(zhuǎn)子斷條故障進(jìn)行診斷分析。

3.2 Nuttall窗三譜線插值和頻譜細(xì)化的轉(zhuǎn)子斷條故障診斷方法 記基波頻率f1的幅值為A，（1-2s）f1、（1+2s）f1故障頻率分量的幅值分別為A、A，則即Rat1-2s=A，Rat1+2s=A。根據(jù)相關(guān)文獻(xiàn)中的研究分析表明，Rat1-2s、Rat1+2s與感應(yīng)電動機(jī)的轉(zhuǎn)動慣量有關(guān)，Rat1-2s隨轉(zhuǎn)動慣量增加而增大，Rat1+2s則反之，但在同一運行狀態(tài)下，二者之和近似恒定。本文即選Rat作為轉(zhuǎn)子斷條故障診斷的特征量：

3.3基于Hilbert模量頻譜分析的轉(zhuǎn)子斷條故障診斷方法

基于Hilbert模量AHil頻譜分析的轉(zhuǎn)子斷條故障診斷方法，是通過對定子電流的Hilbert變換，分析其Hilbert模量AHil頻譜，在一定頻率范圍內(nèi)查找故障特征分量2sf1來判定故障是否發(fā)生。

綜上分析，計及負(fù)載波動的感應(yīng)電動機(jī)轉(zhuǎn)子斷條故障診斷的診斷流程如圖3所示。

3.4 感應(yīng)電動機(jī)定子匝間短路故障診斷實現(xiàn)

由于定子電流中匝間故障的特征頻率分量幅值較小，易受到系統(tǒng)諧波及其他噪聲的影響，造成故障識別不準(zhǔn)確，而轉(zhuǎn)子斷條、軸承故障等發(fā)生時并不會引起定子繞組的不平衡。所以本文中選取定子電流負(fù)序分量作為感應(yīng)電動機(jī)定子匝間短路故障的特征量。

本文研究的基于定子電流負(fù)序分量的定子匝間短路故障診斷具體為：結(jié)合實際監(jiān)測電動機(jī)的運行情況，將在每種工況下穩(wěn)定運行時由感應(yīng)電動機(jī)固有不平衡產(chǎn)生的負(fù)序電流分量Ir-視為常量，由采集計算得到的負(fù)序電流、電壓進(jìn)行擬合分析，剔除由供電電壓不平衡及電機(jī)先天固有不平衡產(chǎn)生的負(fù)序電流分量，以負(fù)序電流殘差作為故障的特征量，對比正常時的負(fù)序電流閾值進(jìn)行定子匝間短路的診斷分析。診斷流程如圖4所示。

3.5應(yīng)電動機(jī)軸承故障診斷實現(xiàn)

軸承故障是感應(yīng)電動機(jī)常見的機(jī)械類故障，本章結(jié)合經(jīng)驗?zāi)B(tài)分解和多窗口譜分析技術(shù)，基于定子電流特征，采用EMD-MTM軸承故障診斷方法，對比自適應(yīng)濾波分析其診斷效果。

感應(yīng)電動機(jī)軸承故障時，定子電流中的故障特征頻率分量■幅值較小，易受到系統(tǒng)諧波及噪聲的干擾。EMD分解具有優(yōu)良的自適應(yīng)分解和局部分析能力，將信號分解成從高到低不同頻率、不等帶寬的IMF。MTM采用一簇正交的數(shù)據(jù)窗對信號完成不同的采樣，每一個數(shù)據(jù)窗丟失的信息可被后面的數(shù)據(jù)窗恢復(fù)，減少由于數(shù)據(jù)的有限長度所帶來的頻譜泄漏，很好的權(quán)衡了分辨率和方差。其流程圖如圖5所示。

本文結(jié)合自相關(guān)函數(shù)統(tǒng)計特性、EMD分解和MTM技術(shù)，提出EMD-MTM診斷法，有效限制了定子電流中的噪聲干擾，比基于自適應(yīng)濾波技術(shù)具有更好的軸承故障診斷效果。

4 結(jié)論

基于定子電流特征分析的故障診斷方法，不但能監(jiān)測較為廣泛的故障類型，而且能做到盡可能非侵入，較為理想；利用四項五階Nuttall窗三譜線插值的修正公式，能確定基波的具體參數(shù)。結(jié)合槽諧波轉(zhuǎn)差率計算、CZT頻譜細(xì)化技術(shù)，并設(shè)定檢測閾值能夠有效判定轉(zhuǎn)子斷條故障的發(fā)生和故障程度。斷條故障特征頻率可用Hilbert模量頻譜分析轉(zhuǎn)換為2sf1予以識別；基于自相關(guān)函數(shù)的統(tǒng)計特性，對噪聲主導(dǎo)的IMF分量進(jìn)行軟閾值降噪，重構(gòu)得到的定子電流的MTM頻譜中凸顯了軸承故障特征頻率，診斷效果明顯優(yōu)于基于自適應(yīng)濾波的軸承故障診斷方法。

參考文獻(xiàn)：

[1]Nickerson G. W， Nemarich C P. A mechanical system condition-based maintenance demonstration model. IEEE System Readiness Technology Conference Autotestcon90， Conference record， 1990，529-533.

[2]沈標(biāo)正，電機(jī)故障診斷技術(shù)[M].北京：機(jī)械工業(yè)出版社，1996.

[3]Thorsen O.V， Dalva M.. A survey of faults on induction motors in offshore oil industry， petrochemical industry， gas terminals， and oil refineries[J]. Industry Applications， 1995，31（5）：1186-1196.

[4]Pat ODonnell. Report of large motor reliability survey of industrial and commercial installations， Part II [R]. Atlanta： IEEE Industry Applications Society， 1984.

[5]Pat ODonnell. Report of large motor reliability survey of industrial and commercial installations， Part III [R]. Philadelphia： IEEE Industry Applications Society， 1986.

[6]葛蘇鞍，帕爾哈提·阿布都克里木，趙海森，葛永廣. 用于系統(tǒng)能效動態(tài)評估的異步電機(jī)參數(shù)辨識[J]. 華北電力大學(xué)學(xué)報（自然科學(xué)版），2014，41（05）：62-67，94.

[7]李建軍，王慶，汪玉山.籠型異步電機(jī)能效辨識方法對比[J].電機(jī)與控制應(yīng)用，2015，42（05）：69-74.

[8]王慶，張蓬鶴，趙海森，劉曉芳，杜中蘭.基于可測電氣量鼠籠式異步電機(jī)能效在線監(jiān)測方法[J].微特電機(jī)，2013，41（12）：26-30.

[9]J.Stephan；M.Minami，Real-time estimation of the parameters and fluxes of induction motors[J].IEEE Transactions on Industry Applications，1994，30（3）.